换一批基于近红外光谱技术结合ARO-LSSVR的天麻中有效成分含量快速检测
Rapid Determination of Active Ingredient Contents in Rhizoma Gastrodiae Using Near-Infrared Spectroscopy Combined with Artificial Rabbits Optimization-Least Square Support Vector Regression
摘要为实现对天麻中天麻素和对羟基苯甲醇含量的快速、无损检测,以云南昭通乌天麻为实验对象,采集900～1 700 nm波长范围内的光谱数据.首先,采用卷积平滑和标准正态变量变换进行光谱数据预处理,其次通过竞争性自适应重加权采样法(competitive adapative reweighted sampling,CARS)与迭代保留信息变量算法进行特征波长的提取,根据基于特征波长建立最小二乘支持向量回归(least squares support vector machine,LSSVR)模型的结果,选择最佳特征波长提取方法.为了提高模型的准确率,本研究引入人工兔智能算法对LSSVR中的正则化参数γ和核函数密度σ2进行优化,并与粒子群优化算法(particle swarm optimization,PSO)、灰狼优化算法(grey wolf optimizer,GWO)进行对比,评估人工兔优化算法(artificial rabbits optimization,ARO)的优越性.结果表明,ARO算法在寻优速度、寻优能力上优于PSO、GWO;天麻素、对羟基苯甲醇的最佳预测模型均为CARS-ARO-LSSVR,其Rp2分别为0.969 6和0.957 7,预测均方根误差分别为0.014和0.020.综上,近红外光谱可用于天麻中有效成分的定量检测,本研究可为天麻快速检测装置的研发提供理论依据.
更多相关知识
关键词
近红外光谱天麻最小二乘支持向量回归人工兔优化算法near infrared spectroscopyGastrodialeast squares support vector regressionartificial rabbits optimization algorithm
栏目名称
DOI
10.7506/spkx1002-6630-20230831-244
发布时间
2024-04-01（万方平台首次上网日期，不代表论文的发表时间）
基金项目
云药之乡产业技术创新体系构建及应用项目（202102AA310045）
- 浏览7
- 被引11
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
